导读:本文包含了径向基函数模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:函数,神经网络,模型,参数,正交,正则,期权。
径向基函数模型论文文献综述
韩江,窦龙龙,夏链,张魁榜[1]（2019）在《基于径向基函数近似模型的板料自由折弯成形回弹预测》一文中研究指出为实现对钣材V形自由折弯的有效控制,首先建立了V形自由折弯卸载前上模下压量模型,并基于此理论模型在有限元分析软件ABAQUS中运用显示和隐式相结合的方法,对板材V形自由折弯成形与回弹过程进行有限元仿真。然后以板料回弹量为试验指标,以板料厚度、板料弹性模量、上模圆角半径和下模开口宽度为影响因子,每个影响因子取5个水平数,设计了正交试验。根据正交试验方案及结果,建立自由折弯板料成形回弹的径向基函数近似模型。通过仿真试验与实际折弯试验对模型进行了验证,回弹预测角度误差为±0. 8°,验证了方法的可行性,为下一步应用于自主研发的折弯机数控系统提供支持。(本文来源于《锻压技术》期刊2019年06期）
郭磊,张金良,刘翩[2]（2019）在《径向基函数法求解Merton时变利率模型下的欧式看涨期权》一文中研究指出研究了Merton时变利率模型下带有交易费的欧式期权定价问题,利用径向基函数法对其近似求解,借助于数值实验,探讨了无风险利率时变及波动率变化对期权价格的影响.实验结果表明,径向基函数法求解欧式看涨期权具有高精度、计算简单、易操作等优点.(本文来源于《南阳师范学院学报》期刊2019年03期）
张珺,李立州,原梅妮[3]（2019）在《径向基函数参数化翼型的气动力降阶模型优化》一文中研究指出基于小扰动和弱非线性假设,提出了一种基于气动力降阶模型和径向基函数参数化的翼型优化方法.其主要方法是用径向基函数参数化翼型扰动;通过CFD辨识参数扰动对翼型气动力影响的降阶模型核函数;基于迭加法建立了参数变化对翼型气动力影响的降阶模型;最后基于该气动力降阶模型计算并优化翼型升阻特性.NACA0012翼型优化的结果表明基于气动力降阶模型的优化方法是可行的,可以极大地提高翼型优化速度.(本文来源于《应用数学和力学》期刊2019年03期）
王雨琪,程舒鹏,陆文涛,付正辉,郭怀成[4]（2019）在《基于径向基函数网络模型的中国生态压力指数评价》一文中研究指出为了解决生态压力指数法参数繁多、计算量大、难以进行多区域评价以及因计算过程包含主观因素而导致评价结果偏差等问题,构建一种简单易行、科学有效的生态压力评价方法。选取生态压力评价相关指标,建立径向基函数网络(RBFN)模型,根据目前已有的生态压力指数计算结果,进行模型训练和检验,分别对2008年和2013年中国31个省、自治区和直辖市的生态压力进行评价,并利用GIS软件,对评价结果进行可视化表达。结果显示,中国有一半的地区处于极不安全的生态压力状态,北京一直是全国生态压力最大的地区;2008—2013年,有22个省级行政区的生态压力变大;生态压力最大的是华北地区,生态压力最小的是西北地区。(本文来源于《北京大学学报(自然科学版)》期刊2019年01期）
段平[5]（2018）在《叁维空间场各向异性径向基函数空间插值模型研究》一文中研究指出地理现象叁维空间场的分布具有各向异性特征,如何利用有限的采样数据直接对具有各向异性特征的叁维地理现象进行可靠的叁维空间场插值重建是叁维空间分析的重要问题。径向基函数(radial basis function,RBF)是一种精确性插值方法,具有形式简单和不受维度限制等优点,适合于地理现象叁维空间场的重建。但RBF具(本文来源于《测绘学报》期刊2018年12期）
曹雅,邓赵红,王士同[6]（2018）在《基于单调约束的径向基函数神经网络模型》一文中研究指出径向基函数(radial basis function,RBF)神经网络是一种高效的前馈式神经网络。它结构简单,具有良好的泛化能力,已经被广泛的应用于数据分类中。但是对于一些特殊的分类场景,如单调数据场景,神经网络还未充分发挥其潜能。针对此,提出单调径向基函数神经网络(monotonic radial basis function neural network,MC-RBF)。MC-RBF引入Tikhonov正则化方法确保优化问题解的唯一性与有界性。试验结果表明,在处理具有单调性的数据集时,MC-RBF比原始的RBF神经网络具有更好的分类性能。(本文来源于《山东大学学报(工学版)》期刊2018年03期）
崔晨,邓赵红,王士同[7]（2019）在《基于Lasso稀疏学习的径向基函数神经网络模型》一文中研究指出传统径向基函数(RBF)神经网络模型使用完整的隐含层节点进行模型构建时,会因缺乏隐含层节点抽取机制而使得受训模型的泛化性能下降,导致模型更加复杂。为此,提出一种改进的RBF神经网络模型。通过Lasso稀疏约束对隐含层节点和输出层连接权值进行稀疏表示,去除冗余和不相关隐含层节点的同时保留重要的隐含层节点,并使用交叉验证和网格搜索确定收缩参数以优化模型分类性能。实验结果表明,与现有RBF神经网络模型相比,该模型具有更低的计算复杂度和更高的分类精度。(本文来源于《计算机工程》期刊2019年02期）
邸鹏,叶红玲,张洋[8]（2018）在《基于径向基函数代理模型的带簧单元自锁性能优化设计》一文中研究指出本文采用径向基函数建立了带簧单元临界弯矩和几何参数间关系的代理模型,并基于Matlab软件对带簧单元的自锁性能进行了优化设计,得出了带簧单元临界弯矩最大时的最优几何参数组合。结果表明,径向基函数代理模型能较精确地预测带簧单元临界弯矩与几何参数间的关系;经优化设计后,有限元分析结果显示带簧单元的临界弯矩有了明显提高。(本文来源于《北京力学会第二十四届学术年会会议论文集》期刊2018-01-21）
唐莹莹,季汉涛,万萌,于杏[9]（2017）在《基于径向基函数神经网络的功率器件集总参数热模型》一文中研究指出功率器件易发生热击穿故障,为准确估计其运行温度,需建立器件的热分析模型。然而,当多个功率器件排布距离较近时,器件间的热耦合作用会导致模型中的热参数难以获取。为此,引入导热时间常数τ和温升变化率k两个热参数,建立了功率器件集总参数热模型;并提出通过径向基函数神经网络,对参数τ和k进行估计,克服模型热参数难以获取的问题。以单相全桥电路为对象,通过温升实验,对所提功率器件热模型的有效性进行了验证。(本文来源于《科学技术与工程》期刊2017年34期）
杨志明,赵红东[10]（2017）在《从阴影恢复形状的径向基函数反射模型研究》一文中研究指出目的为解决传统阴影恢复形状(SFS)算法由于光源方向初始信息估计不准确,恢复的物体表面过于光滑,3维表面形状误差较大等问题,建立了基于径向基函数神经网络的反射模型,并对传统的神经网络进行了改进。方法建立的基于径向基函数(SFS)神经网络的从阴影恢复形状反射模型代替了传统方法中采用的理想朗伯体表面反射模型。该模型利用径向基函数优秀的局部映射和函数逼近能力来处理SFS问题,通过网络训练过程中的权值代替物体所受到的初始光源信息,解决了传统算法在进行计算时,必须已知光源参数的限制。在该网络模型中添加自适应学习率算法,加速网络的收敛和训练速度。结果针对SFS问题处理的两幅经典合成图像以及两幅实际图像进行了实验,实验结果表明,改进后的算法在3维视觉效果和3维形状信息的恢复方面都明显优于传统算法。归一化后的3维高度误差结果相比传统算法缩小了60%以上,而且同时适用合成图像和实际图像;自适应学习率的加入,使得网络的训练速度大大加快,对一幅128×128像素的图像,运算速度提升了50%。结论本文针对SFS问题建立了基于RBF神经网络的从阴影恢复形状反射模型,利用网络模型中的参数代替SFS问题中的初始光源信息,通过最优化方法求解SFS问题。并针对传统的神经网络固定学习率造成网络收敛速度慢,容易陷入局部极小值的问题,加入了自适应学习率算法。实验结果表明,改进后的算法在处理该SFS问题时表现了优秀的性能,适用范围更广,收敛速度更快。(本文来源于《中国图象图形学报》期刊2017年11期）
径向基函数模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究了Merton时变利率模型下带有交易费的欧式期权定价问题,利用径向基函数法对其近似求解,借助于数值实验,探讨了无风险利率时变及波动率变化对期权价格的影响.实验结果表明,径向基函数法求解欧式看涨期权具有高精度、计算简单、易操作等优点.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
径向基函数模型论文参考文献
[1].韩江,窦龙龙,夏链,张魁榜.基于径向基函数近似模型的板料自由折弯成形回弹预测[J].锻压技术.2019
[2].郭磊,张金良,刘翩.径向基函数法求解Merton时变利率模型下的欧式看涨期权[J].南阳师范学院学报.2019
[3].张珺,李立州,原梅妮.径向基函数参数化翼型的气动力降阶模型优化[J].应用数学和力学.2019
[4].王雨琪,程舒鹏,陆文涛,付正辉,郭怀成.基于径向基函数网络模型的中国生态压力指数评价[J].北京大学学报(自然科学版).2019
[5].段平.叁维空间场各向异性径向基函数空间插值模型研究[J].测绘学报.2018
[6].曹雅,邓赵红,王士同.基于单调约束的径向基函数神经网络模型[J].山东大学学报(工学版).2018
[7].崔晨,邓赵红,王士同.基于Lasso稀疏学习的径向基函数神经网络模型[J].计算机工程.2019
[8].邸鹏,叶红玲,张洋.基于径向基函数代理模型的带簧单元自锁性能优化设计[C].北京力学会第二十四届学术年会会议论文集.2018
[9].唐莹莹,季汉涛,万萌,于杏.基于径向基函数神经网络的功率器件集总参数热模型[J].科学技术与工程.2017
[10].杨志明,赵红东.从阴影恢复形状的径向基函数反射模型研究[J].中国图象图形学报.2017
论文知识图
